Python i AI dla e-commerce
- Rok wydania: 2022 Oprawa: miękka ISBN: 9788328384514 Ilość stron: 496 Format: 16,5 x 23,5 cm
E-commerce wspierany przez potężną moc sztucznej inteligencji ― to dla wielu właścicieli rodzimych firm internetowych wciąż brzmi jak odległa przyszłość. Może gdzieś tam, w Kalifornii, może u technologicznych gigantów, może Apple, Amazon, a bliżej nas, powiedzmy, Allegro korzysta lub będzie korzystać z chatbotów czy data-driven marketingu. Ale nasza firma do tej pory świetnie sobie radziła, to i dalej będzie sobie radzić z prostym mechanizmem sklepu online i kilkoma osobami obsługi. Marzenie ściętej głowy. Do 2025 roku w Polsce brakować będzie 200 tysięcy specjalistów w dziedzinie AI. I to nie w wielkich korporacjach. Głód programistów potrafiących kodować algorytmy sztucznej inteligencji odczują przede wszystkim firmy mniejsze i średnie.
Jeśli jesteś właścicielem biznesu bazującego na sprzedaży w sieci, jeśli jesteś początkującym programistą albo działasz już jako programista e-commerce, ale chcesz się w tym kierunku rozwijać ― ta "książka kucharska" jest dla Ciebie. Dlaczego "książka kucharska"? Ponieważ podręcznik zawiera gotowe przepisy na algorytmy optymalizacyjne, systemy rekomendacyjne, przetwarzanie ogromnych ilości danych z ruchu odnotowanego w sklepie i zamianę ich w wiedzę o kliencie. Wszystko to już dziś wdrożysz w dowolnym e-sklepie stosunkowo małym kosztem. Zarówno przy użyciu gotowych programów napisanych w Pythonie przez ogromną społeczność miłośników AI i Pythona, jak i sprytnych produktów w modelu SaaS (ang. software as a service), sprzedawanych przez rzeszę polskich i zagranicznych startupów.
Spis treści:
Wstęp
Część I. Python: krótki wstęp do efektywnego programowania
- Rozdział 1. Narzędzia
- 1.1. Google Colab
- 1.2. Wirtualne środowiska
- Rozdział 2. Struktury danych
- 2.1. Napisy
- 2.2. Lista (list)
- 2.3. Krotka (tuple)
- 2.4. Zbiór zmienny (set)
- 2.5. Tablica asocjacyjna - słownik (dict)
- 2.6. Klasy i obiekty
- 2.7. Podsumowanie struktur danych
- Rozdział 3. Niezbędnik programisty
- 3.1. Wyrażenia regularne
- 3.2. Wizualizacja procesu
- 3.3. Lambda, wyrażenia listowe i generatory
- 3.4. Wyjątki
- 3.5. Odczyt i zapis plików
- Rozdział 4. NumPy i Pandas w akcji
- 4.1. NumPy
- 4.2. Pandas
- Rozdział 5. Bazy danych i repozytoria danych
- 5.1. Bazy relacyjne (SQL)
- 5.2. Technologia noSQL
- Podsumowanie części I
Część II. AI - przegląd technik i algorytmów
- Rozdział 6. Czym jest sztuczna inteligencja?
- Rozdział 7. Uczenie maszynowe
- 7.1. Nadzorowane uczenie maszynowe
- 7.2. Nienadzorowane uczenie maszynowe
- 7.3. Uczenie maszynowe ze wzmocnieniem
- 7.4. Głębokie uczenie
- Rozdział 8. Zastosowania maszynowego uczenia
- 8.1. "Tradycyjny" machine learning
- 8.2. Przetwarzanie języka naturalnego (NLP)
- 8.3. Uczenie maszynowe w e-commerce
- Rozdział 9. Dane, dane, dane
- 9.1. Świat
- 9.2. Polska
Część III. Przepisy
- Rozdział 10. Web scraping
- 10.1. Zacznijmy od podstaw
- 10.2. Biblioteka Requests i Beautiful Soup
- 10.3. Scrapy
- 10.4. Przeglądarko-drivery i selenium
- 10.5. Podsumowanie
- Rozdział 11. Słów kilka o przetwarzaniu języka naturalnego
- 11.1. Podsumowanie
- Rozdział 12. Uczenie nadzorowane - klasyfikatory
- 12.1. Odczyt danych
- 12.2. Wstępny przegląd danych
- 12.3. Podział zbioru na dane treningowe i testowe
- 12.4. Wektoryzacja
- 12.5. Trening
- 12.6. Ocena modelu
- 12.7. Biuro obsługi klienta Masz wiadomość!
- 12.8. Podsumowanie
- Rozdział 13. Klasyfikacja w służbie niskiej rezygnacji
- 13.1. Przegląd danych
- 13.2. Problem luk informacyjnych w danych
- 13.3. Przegląd i wybór cech
- 13.4. Ostateczne przygotowanie się do preparacji danych do uczenia
- 13.5. Finał, czyli stwórzmy sobie potok
- 13.6. Ocena modelu
- 13.7. Poszukajmy lepszego rozwiązania
- 13.8. Podsumowanie
- Rozdział 14. Systemy rekomendacji, czyli jak zwiększyć koszyk
- 14.1. Content-based Filtering
- 14.2. Collaborative Filtering
- 14.3. Rekomendacje w praktyce
- 14.4. Podsumowanie
- Rozdział 15. Stuninguj swój sklep
- 15.1. RESTful JSON API (Python/Flask)
- 15.2. Instalacja projektu na zewnętrznym serwerze
- 15.3. Google Tag Manager
- 15.4. Serializacja modelu
- 15.5. Podsumowanie
Zakończenie